[论文解读] AI in Archival Science -- A Systematic Review

G. N. Shinde, Tiana Kirstein+2 more|arXiv (Cornell University)|Oct 7, 2024

Anomaly Detection Techniques and Applications被引用 4

一句话总结

本篇系统性综述探讨了人工智能（AI）在档案学中的整合，分析了当前用于应对文件管理、鉴定、保存期限及数据检索挑战的AI技术。研究识别出提升档案工作流程效率与透明度的关键AI驱动策略，倡导人工智能与档案学之间的跨学科合作，以推动数字保存与信息组织的发展。

ABSTRACT

The rapid expansion of records creates significant challenges in management, including retention and disposition, appraisal, and organization. Our study underscores the benefits of integrating artificial intelligence (AI) within the broad realm of archival science. In this work, we start by performing a thorough analysis to understand the current use of AI in this area and identify the techniques employed to address challenges. Subsequently, we document the results of our review according to specific criteria. Our findings highlight key AI driven strategies that promise to streamline record-keeping processes and enhance data retrieval efficiency. We also demonstrate our review process to ensure transparency regarding our methodology. Furthermore, this review not only outlines the current state of AI in archival science and records management but also lays the groundwork for integrating new techniques to transform archival practices. Our research emphasizes the necessity for enhanced collaboration between the disciplines of artificial intelligence and archival science.

研究动机与目标

• 分析人工智能在档案学与文件管理中整合的现状。
• 识别用于应对档案挑战（如保存期限、鉴定与组织）的具体AI技术。
• 评估AI在简化文件管理与提升数据检索效率方面的有效性。
• 建立透明的综述方法，以确保AI-档案研究的可重复性与可信度。
• 推动人工智能与档案学之间的跨学科合作，以促进未来创新。

提出的方法

• 开展系统性文献综述，聚焦数字图书馆与人工智能领域内的同行评审出版物。
• 应用预设的纳入与排除标准，筛选与档案学中AI相关的研究。
• 根据AI技术在档案任务（如分类、元数据生成与内容分析）中的应用进行分类。
• 评估所选研究的方法透明度与可重复性，以确保综述的严谨性。
• 将识别出的AI应用映射至核心档案职能，包括鉴定、整理与保存。
• 采用结构化报告记录发现，明确分类与综合的标准。

实验结果

研究问题

• RQ1 当前在档案学与文件管理中应用了哪些AI技术？
• RQ2 AI驱动的方法如何提升档案流程（如鉴定、保存期限与数据检索）的效率？
• RQ3 在将AI整合到档案工作流程中时，存在哪些关键挑战与局限性？
• RQ4 现有档案学中AI应用的方法学在透明度与可重复性方面如何？
• RQ5 人工智能与档案学之间存在哪些跨学科合作的机会，以推动该领域发展？

主要发现

• 自然语言处理与机器学习等AI技术正越来越多地用于自动化档案馆中的元数据生成与内容分类。
• AI驱动的系统在数据检索效率方面表现出可衡量的改进，显著减少了定位相关档案材料的时间与精力。
• 综述发现，自动化鉴定与保存期限排程的AI应用趋势日益明显，但各研究间的方法透明度仍不一致。
• 尽管具有强大的协同潜力，人工智能与档案学之间的跨学科合作仍存在显著缺口。
• 本研究强调，为确保档案实践中的信任与可扩展性，AI应用亟需标准化、透明且可重复的方法学。
• 本综述为未来将新兴AI技术整合到档案工作流程中奠定了基础，强调伦理与可持续实施的重要性。